《机器学习实战 基于SOPHON平台的机器学习理论与实践＝MACHINE LEARNING IN ACTION PRINCIPLES AND PRACTICE BASED ON TH》求取 ⇩

第1章机器学习导论1

1.1什么是机器学习1

1.1.1 机器学习的背景1

1.1.2 机器学习的定义2

1.1.3 机器学习的任务类型3

1.1.4 构建机器学习应用的步骤5

1.2开发机器学习工作流的方式7

1.2.1 数据导入7

1.2.2 流程搭建9

第2章数据预处理与特征工程13

2.1特征提取13

2.1.1 探索性数据分析14

2.1.2 数值特征18

2.1.3 类别特征22

2.1.4 时间特征24

2.1.5 文本特征24

2.1.6 过滤方法26

2.1.7 封装方法29

2.1.8 嵌入方法30

2.1.9 自动特征工程31

2.2 交互式数据预处理31

2.3 本章小结32

第3章回归模型35

3.1 回归任务概述35

3.2回归算法原理36

3.2.1 线性回归36

3.2.2 决策树回归38

3.2.3 生存回归41

3.3 Sophon案例42

3.4 本章小结45

第4章分类模型47

4.1 分类任务概述47

4.2分类算法原理48

4.2.1 逻辑回归48

4.2.2 因子分解机51

4.2.3 XGBoost52

4.3使用Sophon建立分类模型52

4.3.1 场景介绍52

4.3.2 建模过程54

4.3.3 结果分析56

4.4 本章小结61

第5章模型融合63

5.1集成学习理论63

5.1.1 集成学习基本概念63

5.1.2 个体学习器63

5.1.3 基学习器集成64

5.1.4 常用的集成学习方法65

5.2常用融合方法70

5.2.1 平均法70

5.2.2 学习法70

5.3使用Sophon进行模型融合71

5.3.1 场景与数据集介绍71

5.3.2 建模过程71

5.3.3 结果分析74

5.4 本章小结75

第6章聚类模型77

6.1 聚类任务概述77

6.2聚类算法原理78

6.2.1 K-Means78

6.2.2 模糊C均值79

6.2.3 Canopy81

6.2.4 高斯混合83

6.3聚类模型实例85

6.3.1 场景介绍85

6.3.2 建模过程87

6.3.3 结果分析91

6.4 本章小结91

第7章图计算93

7.1 背景和问题描述93

7.2常用算法介绍95

7.2.1 PageRank95

7.2.2 标签传播97

7.2.3 中心性检测98

7.2.4 图嵌入99

7.3落地案例102

7.3.1 场景介绍102

7.3.2 建模过程103

7.3.3 结果分析107

7.4 本章小结109

第8章自动机器学习111

8.1 场景介绍111

8.2自动特征工程113

8.2.1 自动多表特征扩展114

8.2.2 自动特征构建122

8.3 建模过程127

8.4 结果分析129

8.5真实测试案例135

8.5.1 数据集135

8.5.2 前置设置136

8.5.3 测试结果分析137

8.5.4 Abalone和Airfoil Self-Noise数据集的增强测试138

8.5.5 结论139

8.6 本章小结140

第9章自然语言处理141

9.1自然语言处理算法原理141

9.1.1 词向量141

9.1.2 序列标注143

9.1.3 关键词抽取147

9.1.4 文本自动摘要148

9.1.5 文本情感分析152

9.2使用Sophon建立自然语言处理模型154

9.2.1 场景介绍154

9.2.2 建模流程154

9.2.3 模型评估155

9.3 落地案例156

9.4 本章小结159

第10章计算机视觉161

10.1 计算机视觉概述161

10.2计算机视觉算法原理161

10.2.1 图像分类161

10.2.2 目标检测163

10.3计算机视觉模型示例166

10.3.1 图像预处理166

10.3.2 图像分类算法建模166

10.3.3 目标检测算法建模169

10.4 落地案例171

10.5 本章小结173

附录A企业级人工智能应用平台Sophon175

参考文献206